Apache-Spark 作为日志存储

Question

关于使用 apache-spark 存储我们的应用程序日志我有几个问题（是的，将日志存储在 apache-spark 中，而不是存储 apache-spark 创建的日志）

1) 在 apache-spark 中存储（当然还有分析）日志是产品的一个很好的用例吗？只是寻找“是的，取决于你的意思是好的” - 或“不，它不太适合经典的日志存储/分析，使用 ElasticSearch”

2) 将新日志从我们的应用程序写入 Spark 集群的最佳方式是什么？ https://spark.apache.org/docs/0.9.0/streaming-programming-guide.html 提到“可以从……普通的旧 TCP 套接字摄取数据”但我无法找到有关如何从 TCP 套接字打开/摄取数据的指南。

3) 如果我们在我们的应用程序中使用 logback，那么定义什么正确的 appender 来将日志保存到 spark 集群？

我意识到这些问题是相当高的水平，所以只是寻找指导以了解我是否走在正确的轨道上，也许还有一些文章链接可以帮助我进一步理解 - 而不是对相当大的问题的详细实施！

谢谢

Answer 1

是的，Spark 可以很好地用于日志挖掘。

1. 这取决于您的分析内容 - 如果您只要做查找和 greps，那么 ElasticSearch 也可能适合，但如果您希望做一些更复杂的事情，那么 Spark 会更好。 Spark 的优点在于它的灵活性。

2. 再次取决于您的分析以及何时需要该分析。如果您想要一个实时仪表板，那么可以尝试找到一种使用 SparkStreaming 的方法。如果您只是每小时/每天更新一次，那么只需写入 hdfs 并在 cron 中粘贴 Spark 作业。

3. 我推荐 Apache Flume，这样您就可以将日志直接写入 HDFS http://flume.apache.org/

是的，我会说你在正确的轨道上。